
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.express as px


# reading the data
df = pd.read_csv('respostas.csv')
df


df = df.iloc[:100]


df.columns = ['Hora', 'Idade', 'Genero', 'FGV', 'Regras', 'Porco', 'Porco2', 'Pato', 'Pato2', 'Macaco', 'Macaco2', 'Galinha', 'Galinha2',
                'Lobo', 'Lobo2', 'Cervo', 'Cervo2', 'Crocodilo', 'Crocodilo2', 'Ganso', 'Ganso2', 'Gorila', 'Gorila2', 'Avestruz', 'Avestruz2',
                'Javali', 'Javali2', 'Bode', 'Bode2', 'Cavalo', 'Cavalo2', 'Coruja', 'Coruja2', 'Onca', 'Onca2', 'Guaxinim', 'Guaxinim2',
                'Cobra', 'Cobra2', 'Vaca', 'Vaca2', 'Canguru', 'Canguru2', 'Leao', 'Leao2', 'Caranguejo', 'Caranguejo2', 'Morsa', 'Morsa2',
                'Touro', 'Touro2', 'Urso', 'Urso2', 'Raposa', 'Raposa2', 'Pinguim', 'Pinguim2', 'Rato', 'Rato2', 'Capivara', 'Capivara2',
                'Elefante', 'Elefante2', 'Porcoespinho', 'Porcoespinho2', 'Tartaruga', 'Tartaruga2', 'Camelo', 'Camelo2',
                'Dromedario', 'Dromedario2', 'Lagarto', 'Lagarto2', 'Ornitorrinco', 'Ornitorrinco2', 'Sugestao']
df = df.drop(columns=['Regras','Sugestao'])


df.loc[48, 'Idade'] = int(19)
df.loc[53, 'Idade'] = int(19)


# convert column to int
df['Idade'] = df['Idade'].astype(int)
# mean age
df['Idade'].mean()

22.01


df2 = df[['Idade', 'Genero', 'Porco', 'Pato', 'Macaco', 'Galinha',
                'Lobo', 'Cervo', 'Crocodilo', 'Ganso', 'Gorila', 'Avestruz',
                'Javali', 'Bode', 'Cavalo', 'Coruja', 'Onca', 'Guaxinim',
                'Cobra', 'Vaca', 'Canguru', 'Leao', 'Caranguejo', 'Morsa',
                'Touro', 'Urso', 'Raposa', 'Pinguim', 'Rato', 'Capivara',
                'Elefante', 'Porcoespinho', 'Tartaruga', 'Camelo',
                'Dromedario', 'Lagarto', 'Ornitorrinco']]


# colors
colors = ['green'] * (len(df2.columns) -2)
# paint red if the value is below 50%
for i in range(0, len(df2.columns)-2):
    if df2.drop(columns=['Idade', 'Genero']).mean()[i] < 5:
        colors[i] = 'crimson'

# plot
fig = go.Figure(data=[go.Bar(
    x=df2.drop(columns=['Idade', 'Genero']).columns,
    y=df2.drop(columns=['Idade', 'Genero']).mean(),
    marker_color=colors # marker color can be a single color value or an iterable
)])
# title
fig.update_layout(title_text='Porcentagem média de confiança')
# axis titles
fig.update_xaxes(title_text='Animais')
fig.update_yaxes(title_text='Média')
# order the bars
fig.update_xaxes(categoryorder='total descending')
# rotate the x axis labels
fig.update_xaxes(tickangle=45)
# show
fig.show(renderer='notebook')


# mean of all animals
df2.drop(columns=['Idade']).mean().mean()

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/2717217253.py:2: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

4.130874458874459


# gender list
gender = ['Feminino', 'Masculino', 'Outro', 'Prefiro não dizer']
# color list
color = ['#FA7A9C', '#ACBEFA', '#7AFA8B', '#FADB87']
# df3 creation
df3 = df2.drop(columns=['Idade'])
df3 = df3.groupby(['Genero'])
# all the bars
bars = []
bars.append(go.Bar(
    x=df2.drop(columns=['Idade']).mean().index,
    y=df2.drop(columns=['Idade']).mean(),
    name='Total',
    marker_color='#FAB587'
))
for i in range(0, 4):
    bars.append(go.Bar(
        x=df3.get_group(gender[i]).mean().index,
        y=df3.get_group(gender[i]).mean(),
        name= gender[i],
        marker_color=color[i]))
# plot
fig = go.Figure(data=bars)
# add a horizontal line at y=5
fig.add_shape(type="line", x0=0, y0=5, x1=34, y1=5, line=dict(color="Black", width=1))
# title
fig.update_layout(title_text='Média de confiança por gênero')
# axis titles
fig.update_xaxes(title_text='Animais')
fig.update_yaxes(title_text='Média')
# order the bars
fig.update_xaxes(categoryorder='total descending')
# group the bars
fig.update_layout(barmode='group')
# rotate x axis 
fig.update_xaxes(tickangle=45)
# show
fig.show(renderer='notebook')

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/3443862457.py:11: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/3443862457.py:12: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/3443862457.py:18: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/3443862457.py:19: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.


print('Média de confiança por gênero:')
print('Feminino: ', df3.get_group('Feminino').mean().mean())
print('Masculino: ', df3.get_group('Masculino').mean().mean())
print('Outro: ', df3.get_group('Outro').mean().mean())
print('Prefiro não dizer: ', df3.get_group('Prefiro não dizer').mean().mean())

Média de confiança por gênero:
Feminino:  3.4334975369458136
Masculino:  4.599350305960566
Outro:  3.1904761904761902
Prefiro não dizer:  3.076190476190476

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/1306151253.py:2: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/1306151253.py:3: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/1306151253.py:4: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.

C:\Users\RODRIG~1\AppData\Local\Temp/ipykernel_29692/1306151253.py:5: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.


# df4 creation
df4 = df2.drop(columns=['Idade', 'Genero'])
# plot
fig = go.Figure(data=[go.Bar(
    x=df4.mean().index,
    y=df4.mean(),
    name='Total',
    marker_color='#FAB587'
), go.Bar(
    x=df4[:0].mean().index,
    y=df4[:0].mean(),
    name='Acumulado',
    marker_color='#3BA7AD'
)],
# play and pause buttons
layout = go.Layout(
    updatemenus=[dict(
        type="buttons",
        buttons=list([dict(label="Play",
                        method="animate",
                        args=[None]),
                        dict(label="Pause",
                        method="animate",
                        args=[[None], dict(frame=dict(duration=0, redraw=False), transition=dict(duration=0), fromcurrent=True, mode="immediate")])
                        ]))]
        ),
        # animation frames
        frames = [go.Frame(data=[go.Bar(x=df4.mean().index, y=df4.mean()), 
        go.Bar(x=df4[:i].mean().index, y=df4[:i].mean(),
        # print the number of responses
        text=[str(i) for i in df4[:i].count()],
        textposition='outside', textfont=dict(color='Black', size=12, family='Arial, sans-serif'))
        ]) for i in range(0, len(df4.index)+1)])
 
# add a horizontal line at y=50
fig.add_shape(type="line", x0=0, y0=5, x1=34, y1=5, line=dict(color="Black", width=1))
# order x axis by total
fig.update_xaxes(categoryorder='total descending')
# add title
fig.update_layout(title_text='Média por número de respostas')
# add axis titles
fig.update_xaxes(title_text='Animais')
fig.update_yaxes(title_text='Média')
# group the bars
fig.update_layout(barmode='group')
# rotate x axis labels 
fig.update_xaxes(tickangle=45)
# show
fig.show(renderer='notebook')


diferences = []
for i in range(0, len(df4.index)):
    diferences.append(df4.mean() - df4[:i].mean())

# transform list into dataframe
diff = pd.DataFrame(diferences)
# remove first row
diff = diff.drop(diff.index[0])
# plot line
fig = px.line(diff, x=diff.index, y=diff.columns)
# add a horizontal line at y=0
fig.add_shape(type="line", x0=0, y0=0, x1=100, y1=0, line=dict(color="Black", width=1))
# add title
fig.update_layout(title_text='Diferença entre média final e média acumulada')
# add axis titles
fig.update_xaxes(title_text='Número de respostas')
fig.update_yaxes(title_text='Diferença')
# change name of legend
fig.update_layout(legend_title_text='Animais')
# show
fig.show(renderer='notebook')


# only rows with non null values for the 'FGV' column
dfgv = df[df['FGV'].notnull()]
# value count for gender
dfgv['Genero'].value_counts()
dfgv = dfgv[['Porco', 'Pato', 'Macaco', 'Galinha',
                'Lobo', 'Cervo', 'Crocodilo', 'Ganso', 'Gorila', 'Avestruz',
                'Javali', 'Bode', 'Cavalo', 'Coruja', 'Onca', 'Guaxinim',
                'Cobra', 'Vaca', 'Canguru', 'Leao', 'Caranguejo', 'Morsa',
                'Touro', 'Urso', 'Raposa', 'Pinguim', 'Rato', 'Capivara',
                'Elefante', 'Porcoespinho', 'Tartaruga', 'Camelo',
                'Dromedario', 'Lagarto', 'Ornitorrinco']]
# plot
fig = go.Figure(data=[go.Bar(
    x=df4.mean().index,
    y=df4.mean(),
    name='Total',
    marker_color='#FAB587'
), go.Bar(
    x=dfgv.mean().index,
    y=dfgv.mean(),
    name='Alunos FGV',
    marker_color='#AC9AD2'
)])
# add a horizontal line at y=50
fig.add_shape(type="line", x0=0, y0=5, x1=34, y1=5, line=dict(color="Black", width=1))
# order x axis by total
fig.update_xaxes(categoryorder='total descending')
# add title
fig.update_layout(title_text='Média por número de respostas')
# add axis titles
fig.update_xaxes(title_text='Animais')
fig.update_yaxes(title_text='Média')
# group the bars
fig.update_layout(barmode='group')
# rotate x axis labels
fig.update_xaxes(tickangle=45)
# show
fig.show(renderer='notebook')
print("Média de confiança geral:", df4.mean().mean())
print("Média de confiança alunos FGV:", dfgv.mean().mean())

Média de confiança geral: 4.130874458874459
Média de confiança alunos FGV: 4.518406593406593


df[df['FGV'].notnull()]['Genero'].value_counts()

Masculino            33
Feminino              5
Prefiro não dizer     2
Name: Genero, dtype: int64


# plot
fig = px.box(df2.sort_values(by=['Idade']), x='Idade', y= df2.drop(columns=['Idade', 'Genero']).columns)
# changes the scale of x axis
fig.update_xaxes(type='category')
# add title
fig.update_layout(title_text='Distribuição de confiança por idade')
# add axis titles
fig.update_xaxes(title_text='Idade')
fig.update_yaxes(title_text='Confiança')
# show
fig.show(renderer='notebook')


df5 = df2.sort_values(by=['Idade'])
# plot
fig = px.box(df5, x='Idade', y= df5[df5.drop(columns=['Idade', 'Genero']).columns].mean(axis=1))
# changes the scale of x axis
fig.update_xaxes(type='category')
# add title
fig.update_layout(title_text='Média de confiança por idade')
# add axis titles
fig.update_xaxes(title_text='Idade')
fig.update_yaxes(title_text='Média')
# show
fig.show(renderer='notebook')


# check most repeated words
df['Ornitorrinco2'].str.lower().str.split(expand=True).stack().value_counts()

o            17
ele          14
não          12
eu           12
um           11
             ..
depende       1
ou            1
fêmea         1
(macho:       1
problemas     1
Length: 265, dtype: int64

	Carimbo de data/hora	Primeiramente, conte-me um tico sobre você. Quantos anos você tem?	Entendi. E como você se identifica?	Ah, que bacana. Por obséquio, caso estude na FGV Rio, marque as caixas correspondentes à(s) sua(s) graduação(/ões):	Ok, vamos começar. As regras são o seguinte. Você e o animal numa luta mano a mano. O animal a ser imaginado é um representante médio de sua espécie (pode se basear na foto).\nNem você nem o animal tem direito a usar armas e a luta se passa num local plano e infinito, de forma que não é possível tomar vantagens do cenário. Ambos estão extremamente motivados, e apenas um sairá vivo. A resposta é dada de 0 a 10, representando o quão confiante você está que derrotaria o animal caso necessário. Capiche?	Ok, primeiro oponente. Você venceria um porco médio?	[Porco] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	Pagarias o pato?	[Pato] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	Hmm.. e quanto a um macaco?	...	[Tartaruga] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	Um camelo? (tem duas corcovas)	[Camelo] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	E um dromedário? (tem uma corcova)	[Dromedário] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	E um lagarto? (não tem corcovas)	[Lagarto] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	Por fim, vencerias um ornitorrinco? (ambos tem direito a um chapéu)	[Ornitorrinco] Gostaria de esclarecer um pouco mais? Sinta-se vontade para contar alguma estratégia ou motivos pelo qual acha que perderia/venceria.	Obrigado por chegar ao fim! Alguma sugestão?
0	30/11/2022 00:13:12	21	Masculino	NaN	Sim. Li o texto inteiro (umas duas vezes pra t...	8	Porcos são pesados (fortes) porem gordos e len...	10	Patos voam e podem me atacar sem eu poder revi...	8	...	Bem resiliente mas eu acertaria os pontos fracos	8	Intimidante porém eu não o considero uma ameaça	9	Menos intimidante ainda	5	Baseado na imagem esse é um dragão de komodo e...	9	10 se for fêmea, 9 se for macho. É só não toca...	NaN
1	30/11/2022 00:21:07	21	Masculino	Ciência de Dados	Sim. Li o texto inteiro (umas duas vezes pra t...	10	Animal tranquilo. Tem como cegar ele e é um ta...	10	Suave	10	...	Teria que acertar na cabeça. Mas ela deixaria ...	10	Animal inofensivo. É um cavalo mais lento e me...	10	É um camelo que deu errado. Fácil.	10	Conseguiria também. Animal pequeno e quase ino...	10	Sim! Mas só na terra. Na água é o terreno dele	NaN
2	30/11/2022 00:26:12	21	Feminino	NaN	Sim. Li o texto inteiro (umas duas vezes pra t...	3	Porco tem a vantagem de peso e tamanho	6	Patos tem dentes e costumam ser bem agressivos.	2	...	NaN	2	NaN	2	NaN	0	NaN	0	NaN	NaN
3	30/11/2022 00:36:24	20	Feminino	Ciência de Dados	Sim. Li o texto inteiro (umas duas vezes pra t...	2	Acho que ele me ganha fácil. Se eu caio no chã...	8	NaN	1	...	Sem querer ser sanguinária. Mas ela nao conseg...	5	NaN	5	NaN	3	NaN	10	NaN	NaN
4	30/11/2022 00:42:38	20	Masculino	Ciência de Dados	Sim. Li o texto inteiro (umas duas vezes pra t...	7	Dado que é uma situação de vida ou morte e só ...	10	O papo pateta pintou o caneco\nSurrou a galinh...	8	...	Ia chegar na luta pique super Mario. Ia ser só...	3	Tentaria acertar a cabeça dele e machucar as p...	3	Ele parece mais tranquilo que o camelo. Mas a ...	9	Vi muito homem-aranha e na minha vida. Acho qu...	4	Se ele souber artes marciais e se chamar Perry...	Que questionário enorme pqp
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
96	08/12/2022 20:09:03	19	Feminino	NaN	Sim. Li o texto inteiro (umas duas vezes pra t...	10	Não é rápido e aparenta ser sonso	10	Animal de pequeno porte	3	...	Animal fraco	6	NaN	6	NaN	4	NaN	0	NaN	NaN
97	08/12/2022 22:44:43	22	Masculino	Ciência de Dados	Sim. Li o texto inteiro (umas duas vezes pra t...	10	NaN	10	NaN	10	...	NaN	3	NaN	3	NaN	10	NaN	10	NaN	NaN
98	09/12/2022 21:16:02	21	Masculino	NaN	Sim. Li o texto inteiro (umas duas vezes pra t...	10	Eu venceria por ser carnivoro e muito astuto	10	Ele poderia voar, porém a sou um animal pacien...	10	...	meu mano jhonatan, a tartaruga de 150 anos iri...	10	era so driblar estilo neymar	10	q nem o cabelo so que nerfado	0	esse dragão somente são jorge	0	contra o perry não tem como, agora um normal n...	sim, coloque opções de justificativas para ven...
99	09/12/2022 21:16:12	21	Masculino	NaN	Sim. Li o texto inteiro (umas duas vezes pra t...	3	NaN	6	tentaria pega o pescoço do pato	3	...	NaN	0	NaN	0	NaN	0	NaN	0	NaN	nada seria pario para o esqueleto negão com se...
100	09/12/2022 21:34:24	19	Masculino	NaN	Sim. Li o texto inteiro (umas duas vezes pra t...	8	eu derrubo o porco usando meu peso e um porco ...	0	terei a honra de dar a minha vida para a sobre...	10	...	cara ele é o mestre do mestre do po do kung-fu...	0	ele da dano a distância enton no	5	metade da munição de cima então	0	OLHA AS GARRAS DESSE ARROMBADO	5	Se ele for o perry nem fudendo	nha

Visualização da Informação - Trabalho Final¶

Aluno: Rodrigo Gomes Hutz Pintucci¶

Introdução¶

Lendo os dados¶